一、初等矩阵的变化形式初探（论文文献综述）
徐鹏飞,蒋涛,章传银,芮明胜,刘宇[1]（2021）在《GRACE/GRACE-FO空窗期的陆地水储量变化数据间断补偿：以全球典型流域为例》文中研究表明陆地水储量异常（TWSA）的长期可持续监测对研究水循环过程、合理配置水资源等具有重要的科学意义,针对GRACE与GRACE-FO数据之间存在空窗期问题,本文引入了奇异谱分析（SSA）与ARMA模型的组合方法对TWSA的间断进行补偿.为比较SSA+ARMA方法在典型流域的适用性,将GRACE球谐系数（SH）反演的2003年1月至2012年12月的TWSA作为训练样本,2013年1月至2016年8月的TWSA作为真值,分别利用ARMA、小波神经网络（WNN）、SSA和SSA+ARMA方法,在亚马逊流域（AZRB）、多瑙河流域（DNRB）、恒河流域（GNRB）、密西西比河流域（MSRB）、尼日尔河流域（NGRB）、伏尔加河流域（VGRB）、叶尼塞河流域（YNSRB）、长江流域（YZRB）八个典型流域进行预测试验,并采用均方根误差（RMSE）、纳什效率系数（NSE）、相关系数（R）技术指标评定不同方法的预测精度.预测试验结果表明,四种方法均在NGRB的预测效果最好,该流域TWSA序列周期特征最为明显;四种方法中,SSA+ARMA方法预测精度较高且相对稳定,多数流域的RMSE在4 cm以内,NSE值在0.75以上,R值在0.85以上.后续以2003年1月至2016年8月TWSA作为样本,利用SSA+ARMA方法补偿2016年9月至2020年2月的TWSA间断结果,并结合GRACE-FO SH反演的TWSA结果、Mascons结果、GLDAS数据评定补偿结果的精度.结果表明,TWSA间断补偿结果有较高的精度,与后续GRACE-FO SH反演TWSA结果有很强的一致性,多数流域的RMSE在4 cm以内,NSE值在0.8以上,R值在0.9以上.且与Mascons、GLDAS结果的符合精度亦能反映补偿结果的可靠性.上述研究表明,利用SSA+ARMA方法可以对GRACE/GRACE-FO空窗期的TWSA间断进行有效补偿.
张新明[2]（2021）在《融入思想政治元素提高工科院校课程授课效果——以“线性代数与空间解析几何”为例》文中研究指明"线性代数与空间解析几何"是工科人才培养体系中必不可少的一门公共数学课,通常在大学的第一学年为所有理工农医及经管类专业开设,涉及学生众多。为实现"立德树人"教育根本目标,有必要在本门课程的教学中,将数学教学与思想政治教育相结合,培养具有正确世界观、价值观和人生观的优秀人才。哈尔滨工业大学深圳校区"线性代数与空间解析几何"课程将思想政治教育与专业课程相结合,从历史回顾、思想传承和应用案例三个方面将思想政治教育的内容无痕地嵌入到授课过程中,在达到春风化雨、潜移默化思想教育效果的基础上,改善课程本身所固有的不足,有效地提高授课质量。
左岗岗[3]（2021）在《基于机器学习的径流预测方法及适应性预测机制研究》文中进行了进一步梳理变化环境影响下,径流形成过程和演进机理复杂多变,流域稳态假设不再成立。基于历史资料和实际变化调查,评价一致性、可靠性、代表性的传统工作暴露了不少问题。在此背景下,开展响应变化的径流预测既难又关键。由问题驱动,走先进可行的技术路线既是探索也是突破。本论文立足于响应环境变化和支撑水资源管理决策的径流适应性预测,开展了径流预测方法及适应性预测机制研究。在构建径流适应性预测机制的基础上,首先基于对径流演变规律的大数据分析,挖掘径流形成的驱动要素,提取径流预测因子;然后借助机器学习技术,提出径流预测模型构建方法,建立径流预测模型;最后以综合集成平台为支撑,设计并开发融合机制、数据、模型、方法和业务的径流适应性预测系统,实现不同应用主题、不同驱动因子、不同时空尺度和不同模型组合的径流适应性预测。论文的主要研究内容及成果如下:（1）提出并建立了响应变化和支撑决策的径流适应性预测机制。针对变化环境下流域稳态假设不再成立的问题,分析了变化环境对径流预测的影响和径流预测对水资源管理的支撑作用,明确了径流适应性预测需要响应和支撑的对象及其变化因素。从径流预测活动的数据输入、模型和预测结果应用层面,设计了响应环境变化和支撑决策的径流适应性预测机制,为变化环境下的径流预测提供了新的模式和思路。基于大数据分析和机器学习,构建了实现径流适应性预测机制的技术方法;基于综合集成平台,建立了径流适应性预测机制的图谱化集成实现技术,为径流适应性预测奠定了技术基础。（2）建立了基于大数据分析的径流驱动因子挖掘方法。针对变化环境下径流统计规律和成因规律频繁改变的问题,采用传统方法与大数据分析相结合的方法,提出了径流关键驱动因子挖掘技术方法,去除了对径流变化影响不显着的特征要素,抽取了影响径流变化的隐含特征因子,辨识了水文、气象和植被等特征要素对径流变化的驱动关系,提取了径流变化的关键驱动因子,为基于机器学习的径流适应性预测奠定了数据基础。（3）提出了基于机器学习的径流预测模型构建方法。针对变化环境下径流驱动因子频繁改变,引起径流预测模型结构和参数不适用的问题,将机器学习技术引入径流预测,提出了径流预测机器学习模型构建方法,实现了径流预测模型自学习,有效地响应了变化,为径流适应性预测模型构建奠定了方法基础。针对径流预测机器学习模型的黑箱特征,建立了模型解释流程,实现了对径流预测机器学习模型的解释说明,为径流适应性预测奠定了应用基础。（4）构建了基于径流统计规律的径流预测机器学习模型。针对气象和下垫面要素缺测区域的径流适应性预测问题,提出了基于径流统计规律,构建径流预测机器学习模型的框架。将信号处理算法和机器学习算法相结合,使用历史径流,构建了不同时间尺度或空间尺度下径流预测机器学习模型,并开展了多模型对比评价,避免未来信息使用的同时有效降低了信号处理算法边界效应的影响,为开展径流适应性预测奠定了模型基础。（5）构建了基于径流成因规律的径流预测机器学习模型。针对气候变化和下垫面环境演变对径流形成过程的影响问题,提出了基于径流成因规律,构建径流预测机器学习模型的框架。基于机器学习算法,使用历史径流、气象要素和下垫面特征要素,构建了不同时间尺度或空间尺度下的径流预测机器学习模型,并开展了多模型对比评价,在有效利用径流变化成因信息的同时,基于历史同期径流变化情况,实现了对模型预测结果的修正,为径流适应性预测奠定了模型基础。（6）设计并开发了径流适应性预测系统,开展了集成应用研究。针对径流适应性预测需要过程化决策支撑的问题,采用“平台+内容+服务”的方式,设计了径流适应性预测系统。基于综合集成平台,构建了径流预测数据库、模型方法组件库和知识图库,实现了对预测数据、预测模型和预测业务的分离管理。通过组件集成数据、模型和方法,知识图集成组件的方式,实现了径流适应性预测系统的快速搭建。通过系统的持续集成应用,开展了“引汉济渭”工程黄金峡水库的预测调度业务模拟仿真,实现了径流适应性预测。
苏尔[4]（2021）在《初等稳定矩阵约化A0为上Hessenberg型的方法研究》文中研究说明文中讨论用初等矩阵技术选用部分主元素的Gauss消去法将A0约化变换为Hessenberg矩阵,为使数值具有稳定性,重视如何交换的本质性基础问题。首先简述概括了约化方法的矩阵算式;其次明确了递推约化运算规则式子形成的推演依据;然后重点详述展开约化方法的递推运算完全步骤和逻辑实现,清楚表述最后约化结果与矩阵算式准确计算结果一致事实;最后给出数值实例验证结论,约化方法基于充分计算依据并实际紧凑可行。
霍凯鸽[5]（2021）在《基于矩阵变换的多维奇异系统Roesser模型低阶实现》文中指出奇异系统是现代控制理论中的热门研究领域。与传统的正则系统相比,奇异系统所能描述的系统范围更广,内涵更加丰富,相关研究也更具挑战性。而状态空间模型实现问题是多维奇异系统研究中的一个基本问题,只有先对奇异系统进行模型实现,才能对其进行后续的系统分析和设计。尤其是模型实现的阶数极大地影响着系统计算的复杂度和仿真设计分析的难度。然而到目前为止,仍然没有任何充要条件可以判断一个多维（三维及以上）奇异系统的模型实现是否为最小。因此多维奇异系统低阶模型实现问题亟待深入研究。本文首先针对多维奇异系统Roesser模型传递函数的右矩阵分式描述形式提出了一种基于矩阵变换的实现方法,将实现问题转换成了如何通过矩阵变换得到目标矩阵的问题。同时给出了相应的实现步骤以及实现过程中所需要的两种实现技术,即列技术和行技术。由于多维奇异系统Roesser模型的传递函数不具有正则系统那样的对偶性,为了解决这一问题,本文引入了分解标准型的概念,从而得到了多维奇异系统Roesser模型传递函数的左矩阵分式描述形式,并给出了相应的实现方法。这使得多维奇异系统Roesser模型的左、右矩阵分式描述可以在同一个理论方法框架下进行处理,为进一步探索奇异系统的结构性质做出了贡献。由于多维奇异系统Roesser模型结构的复杂性,现有实现方法得到的模型阶数仍然较高。针对这一问题,本文提出了一种基于变换矩阵构造的低阶模型实现方法。该方法可以对奇异系统Roesser模型进行降阶得到阶数更低的模型实现。同时还给出了所提新方法对应的低阶实现步骤,并通过实例计算与分析展示了该方法的具体细节和有效性。最后,本文对航天器中的陀螺飞轮系统进行了简单介绍,然后利用所提出的实现方法对该系统进行了状态空间模型实现,相应结果表明新方法所得到的模型阶数低于现有实现方法得到的模型阶数,验证了新方法在实际系统应用中的优越性,为后续设计和分析提供了有效支撑。
刘香玉[6]（2020）在《一类多模式移动机构的设计方法与实现》文中研究指明本文以单环运动链为最小单元来构造一类集多运动模式与折叠缩放变形能力于一体的多模式移动机构,这类机构具有较强的变形能力和多样的运动模式,可以更好地适应复杂的路面环境,具有广泛的应用前景。现阶段多模式移动机构的研究主要集中于构型的创新设计,即提出新型的多模式移动机构,而较少研究多模式移动机构设计方法。对于构型各异的多模式移动机构,其构型之间是否存在一种通用的多模式移动机构型综合的方法,既可以构造出新型的多模式移动机构,又能够对现在已存的多模式移动机构的构造思想做出解释,这是有待于研究的问题。本文具体研究内容如下:（1）根据螺旋理论、单环运动链构造理论、空间几何关系来形成一套基于单环运动链的多模式移动机构型综合方法。基于该理论,以平面4R单闭链为单元,推导出平面4R单闭链间的空间几何关系,再以平面4R单闭链为本体和分支构造出一类新型的多模式移动机构。（2）在上述理论方法下,以单环运动链为分支构造出平面多模式步滚移动机构,该机构具有行走、变形和滚动能力,各模式间可以相互切换,同时根据地形不同改变其运动模式,提高了对非结构化地形的适应性。利用螺旋理论找出机构在各运动模式下的奇异位,并对机构在各运动模式下移动可行性进行分析。运用ADAMS软件对机构在多重特征地形下的运动进行了仿真试验,结果表明,该机构在步态、稳定性、多环境适应能力等方面有明显的优势,最后样机试验也验证了各运动模式的可行性。（3）进一步地,以单环运动链为分支构造出空间多模式移动并联机构,该机构兼具并联机构操作模式特性与多种运动模式移动能力,该机构集双向六边形滚动、双向四边形滚动、折叠变形、步行模式为一体,各模式间可相互切换。对该机构进行了拓扑分析、各运动模式的电机分时控制策略以及步态分析等,并通过ADAMS对机构的各种运动模式以及步行越障等进行了仿真验证,验证了机构的理论正确性和移动可行性。综合而言,本文系统地开展了多模式移动机构型综合理论、多模式移动机构构造与分析等研究工作,遵循由平面到空间的设计原则,构造了一系列新型的多模式移动机构,形成了一套基于单环运动链的多模式移动机构型综合方法,为多模式移动机构提供更多丰富的运动模式,增加了机构对不同地面的环境适应力,也为其他类型的多模式移动机构的设计提供了思路。
菅朋朋[7]（2019）在《机器解答电路题目方法研究》文中研究指明机器解答是智能化教育领域中的一个重要研究问题,它旨在研发自动理解和自动求解多模态题目的智能解答算法,使目标题目得到正确的解答。本文从机器解答领域中一个基础题目的解答任务出发,探索和研究一套准确度高、扩展性强的机器解答方法。现阶段的机器解答方法仍然以传统的框架解题法和语义解析法等为代表,这些方法不仅需要设置大量的规则模板来理解复杂多变的题目文本,而且缺乏隐含信息的挖掘,导致题目的解答效率较低。深度学习方法也开始尝试应用于机器解答,但是真正高效的方法却很少。由于机器解答的任务较多,无法通过统一的深度学习框架来实现文本理解、图形理解、关系推理和自动求解等融合学习,且已有的深度学习方法目前不能生成可读的解答过程。因此,本文从机器解答领域的研究现状入手,提出开展机器解答电路题目的方法研究,并围绕题目文本理解方法、电路图形理解方法、自动求解方法和机器解答系统等多个方面展开研究工作。为了让机器具备对电路题目的智能化解答能力,首先必须实现机器对题目文本的自动化理解。由于题目文本中包含复杂的自然语言情景,而传统的基于语义理解的方法一方面在方法构建时需要设计大量的规则模板,另一方面在文本理解时无法穷尽语言表达的多样性,且文本理解的结果多以解析树的形式进行表示,限制了进一步的推理和可视化解答。同时,题目文本中往往包含隐含的定理、推论等解题信息,而现有方法缺乏对这些隐含信息的挖掘。因此,本文首先将题目文本的理解过程抽象为关系的抽取过程,并提出了一个既能抽取直陈关系又能抽取隐含关系的自动化题目文本理解方法。该方法结合题目文本中的词性、语义和句法模式构建了句法语义模型,并提出了一种使用句法语义模型抽取直陈关系的算法,该模型使用词性模式代替复杂多变的自然语言描述,使用电路元素和单位等关键字结构作为语义部分,并结合句法模式对直陈关系进行抽取。经研究发现电路定理跟所求的电路元素直接相关,同一电路元素虽然有不同的名称,但其单位是统一的,因此本文结合电路元素的单位和定理构建了单位定理模型,并提出了一种使用单位定理模型抽取隐含关系的算法。相比于传统的方法,本文方法不仅大大减少了模板的数量,而且有效提升了题目文本理解的能力。由于图形中包含着丰富的解题信息,因此图形理解是机器解答中的重要组成部分。现有的方法主要集中于几何图形的理解,对电路图形的理解较少。几何图形理解主要是对顶点、曲线和几何结构的分析,其结果多用于几何定理的自动证明,而电路图形理解则通过电路结构对具有方向的电路属性进行分析,其结果多用于电路解答。因为直接理解图形非常困难,所以本文将图形的理解过程抽象为关系的抽取过程,并提出了一种基于关系抽取的电路图形理解方法。针对串并联电路,通过对电路中的串联和并联子结构进行分析和收缩形成等效电路,可抽取该过程中的电路关系,因此本文提出了一种基于拓扑收缩的电路关系抽取算法。然而该算法难以抽取较为复杂的桥接电路中的电路关系,经研究发现通过对电路网孔的搜索可有效解决该问题,因此本文进一步提出了一种基于网孔搜索的电路关系抽取算法。这两种算法联合使用组成了电路图形的理解方法,并成功应用于电路图形的理解,有效地提高了题目理解的效率,扩大了题目理解的范围。自动求解是机器解答中另一个重要的研究问题。针对现有的机器解答方法缺少对多模态题目进行自动求解的问题,本文提出了一个既可以求解文本题目又可以求解图文题目的自动求解方法。该方法使用了最新的等价转换原理,将题目的求解过程等价转换为关系的推理求解过程,并提出了基于关系推理的自动求解算法。结合基于关系抽取的题目理解方法,实现了电路题目的机器解答。此外,本文还实现了一个基于机器解答的电路辅导系统,用于验证机器解答效果、提供智能导学服务。因此,本文的主要研究贡献可概括为以下几点:（1）提出了一个既能抽取直陈关系又能抽取隐含关系的自动化题目文本理解方法。该方法由基于句法语义模型的直陈关系抽取算法和基于单位定理模型的隐含关系抽取算法来实现。该方法相比于传统方法不仅减少了模板数量,而且有效地提升了题目文本理解的效果。（2）提出了一个基于关系抽取的电路图形理解方法。该方法由基于拓扑收缩的电路关系抽取算法和基于网孔搜索的电路关系抽取算法来实现。该方法不仅填补了电路图形理解方法的空白,而且在电路图形的理解实验中取得了较好的效果,扩大了题目理解的范围。（3）针对现有的机器解答方法缺少对多模态题目进行自动求解的问题,本文提出了一个既可以求解文本题目又可以求解图文题目的基于关系推理的自动求解算法,并在实际电路题目的自动求解中取得了良好的求解效果,有效地提升了自动求解的能力和范围。
王磊,牛欣,张霞[8]（2018）在《有关初等矩阵的定理教学设计——基于“知识可视化”理念》文中认为有关初等矩阵的系列定理是连接矩阵乘积与矩阵初等变换的桥梁,是求逆矩阵、解矩阵方程等知识点的理论基础,亦是矩阵理论体系的核心定理之一。基于"知识可视化"的理念,借助动态图形变换、类比实际案例等教学手段,探究有关初等矩阵的定理的教学设计,建立初等矩阵与初等矩阵乘积运算之间的关系体系,实现知识的可视化,教学的体系化。
郭传好,刘贝贝[9]（2018）在《反初等矩阵的一些性质及应用》文中进行了进一步梳理在初等矩阵性质综合研究的基础上,定义了一类反初等矩阵,并研究了其相关性质及应用。首先基于Flip-矩阵的定义,给出了一类新的矩阵-反初等矩阵的定义及其表述形式;然后研究并给出其相关基本性质以及与初等矩阵的关系;最后给出反初等矩阵在计算方面的一些应用。相关研究成果对进一步研究次对称矩阵的相关理论具有潜在的重要意义。
彭雪辉[10]（2014）在《矩阵的分块初等变换及分块初等阵的应用探讨》文中认为线性代数的矩阵运算及变换在进行大批量数据研究和计算中发挥重要作用,矩阵的初等变换与初等矩阵是最基本的变换和计算工具。文中对分块矩阵研究和计算的工具进行探讨,简述分块初等阵及初等变换的相关情况,介绍了分块矩阵的应用实例。
二、初等矩阵的变化形式初探（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、初等矩阵的变化形式初探（论文提纲范文）
（1）GRACE/GRACE-FO空窗期的陆地水储量变化数据间断补偿：以全球典型流域为例（论文提纲范文）
| 0 引言 |
| 1 数据 |
| 1.1 GRACE/GRACE-FO level-2 RL06 |
| 1.2 Mascons结果 |
| 1.3 GLDAS水文模型 |
| 2 原理及方法 |
| 2.1 GRACE SH反演TWSA方法 |
| 2.2 SSA原理 |
| 2.3 SSA迭代预测方法与SSA+ARMA方法 |
| 2.4 精度评定指标 |
| 3 结果分析 |
| 3.1 GRACE SH反演TWSA与Mascons比较 |
| 3.2 SSA方法可行性分析 |
| 3.3 ARMA预测模型有效性检验 |
| 3.4 不同方法的TWSA预测结果比较 |
| 3.5 SSA+ARMA方法的预测模型构建及补偿结果精度评定 |
| 3.6 基于SSA+ARMA方法的TWSA间断补偿结果试验 |
| 4 讨论 |
| 4.1 SSA预测模型参数确定 |
| 4.2 SSA与SSA+ARMA方法 |
| 5 结论 |
（2）融入思想政治元素提高工科院校课程授课效果——以“线性代数与空间解析几何”为例（论文提纲范文）
| 一、学校及课程简介 |
| 二、课程思政促进教学效果提升 |
| （一）历史回顾 |
| （二）思想传承 |
| 1. 普遍性与特殊性。 |
| 2. 部分与整体。 |
| 3. 对立与统一。 |
| 4. 形变神不变。 |
| （三）应用案例 |
| 三、结语 |
（3）基于机器学习的径流预测方法及适应性预测机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 课题背景 |
| 1.1.3 研究目的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 径流预测 |
| 1.2.2 机器学习 |
| 1.3 存在的不足分析 |
| 1.4 主要研究内容 |
| 1.5 研究技术路线 |
| 1.6 研究区域与数据 |
| 2 响应变化与支撑决策的径流适应性预测机制研究 |
| 2.1 响应与支撑对象分析 |
| 2.1.1 变化环境对径流预测的影响分析 |
| 2.1.2 径流预测对水资源管理的决策支撑作用分析 |
| 2.1.3 对象及因素归类 |
| 2.2 径流适应性预测机制构建 |
| 2.2.1 响应环境变化的适应性机制构建 |
| 2.2.2 支撑决策的适应性机制构建 |
| 2.3 适应性机制实现技术方法构建 |
| 2.3.1 响应环境变化的适应性机制技术实现 |
| 2.3.2 支撑决策的适应性机制技术实现 |
| 2.4 适应性机制图谱化集成实现方式 |
| 2.4.1 适应性机制实现的关键支撑平台及技术 |
| 2.4.2 基于知识图的径流预测图谱构建 |
| 2.4.3 基于预测图谱的适应性机制集成 |
| 2.5 本章小结 |
| 3 基于大数据分析的径流驱动因子挖掘研究 |
| 3.1 径流预测特征因子预处理 |
| 3.1.1 特征因子提取 |
| 3.1.2 特征因子缺失值处理 |
| 3.1.3 复杂非线性特征因子分解 |
| 3.1.4 特征因子清洗 |
| 3.2 特征因子对径流变化的驱动关系构建 |
| 3.2.1 特征因子滞后时段选择 |
| 3.2.2 驱动关系构建方式 |
| 3.3 基于成因贡献分析的驱动因子提取 |
| 3.3.1 径流成因贡献分析 |
| 3.3.2 关键驱动因子提取 |
| 3.4 径流预测样本集构建 |
| 3.4.1 基于统计规律的径流预测样本 |
| 3.4.2 基于成因规律的径流预测样本 |
| 3.5 本章小结 |
| 4 基于机器学习的径流预测模型构建方法 |
| 4.1 径流预测样本预处理 |
| 4.1.1 样本集划分 |
| 4.1.2 样本集归一化 |
| 4.2 径流预测机器学习模型构建 |
| 4.2.1 支持向量回归机 |
| 4.2.2 梯度增强决策回归树 |
| 4.2.3 长短期记忆神经网络 |
| 4.3 径流预测机器学习模型优化 |
| 4.3.1 模型性能评价 |
| 4.3.2 模型超参数优化 |
| 4.4 径流预测机器学习模型解释 |
| 4.4.1 解释对象确定 |
| 4.4.2 解释需求分析 |
| 4.4.3 解释方法梳理 |
| 4.5 本章小结 |
| 5 基于统计规律的径流预测机器学习模型研究 |
| 5.1 基于统计规律的径流预测框架 |
| 5.2 径流预测实例验证与对比评价 |
| 5.2.1 TSDF模型中边界效应的减少 |
| 5.2.2 直接法与多分量法效果对比 |
| 5.2.3 TSDF模型的过拟合程度 |
| 5.2.4 不同预见期TSDF预测效果 |
| 5.2.5 不同分解算法及预测框架的效果 |
| 5.2.6 径流预测与径流回测的差距 |
| 5.3 本章小结 |
| 6 基于成因规律的径流预测机器学习模型研究 |
| 6.1 基于成因规律的径流预测框架 |
| 6.2 径流预测实例验证与对比评价 |
| 6.2.1 不同驱动因子筛选阈值对比 |
| 6.2.2 气象与ERA5L要素的预测效果对比 |
| 6.2.3 降维与线性相关重构的预测效果对比 |
| 6.2.4 径流序列降噪对预测效果的提升 |
| 6.2.5 不同预见期多模型对比 |
| 6.3 本章小结 |
| 7 径流适应性预测系统研究与集成实现 |
| 7.1 径流适应性预测系统设计 |
| 7.2 径流预测主题知识图构建 |
| 7.2.1 径流预测业务主题划分 |
| 7.2.2 径流预测主题知识图绘制 |
| 7.3 径流预测模型方法组件库构建 |
| 7.3.1 径流预测模型方法组件化 |
| 7.3.2 径流预测组件定制 |
| 7.4 径流适应性预测系统构建 |
| 7.4.1 预测图谱与组件耦合集成 |
| 7.4.2 径流预测图谱集成运行 |
| 7.5 径流适应性预测系统应用 |
| 7.5.1 径流预测数据集管理 |
| 7.5.2 径流驱动因子挖掘 |
| 7.5.3 径流预测模型构建 |
| 7.5.4 径流预测结果应用 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 主要研究成果 |
| 8.2 创新点 |
| 8.3 展望 |
| 致谢 |
| 建模工具、程序及模型性能评价 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（4）初等稳定矩阵约化A0为上Hessenberg型的方法研究（论文提纲范文）
| 1 约化思路和矩阵算式 |
| 2 递推运算规则的推演依据 |
| 3 结合行列交换的递推约化过程实现完全步骤 |
| 4 数值例子 |
（5）基于矩阵变换的多维奇异系统Roesser模型低阶实现（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和章节安排 |
| 第二章 基础知识 |
| 2.1 多维奇异系统Roesser状态空间模型 |
| 2.2 传递函数与实现问题 |
| 2.3 矩阵变换 |
| 2.4 矩阵关系特性 |
| 2.5 本章小结 |
| 第三章 基于矩阵变换的实现方法 |
| 3.1 针对右矩阵分式描述的实现方法 |
| 3.2 两种相关实现技术 |
| 3.2.1 基于列的实现技术 |
| 3.2.2 基于行的实现技术 |
| 3.3 基于分解标准型的左矩阵分式描述实现方法 |
| 3.3.1 多维奇异系统Roesser模型的分解标准型 |
| 3.3.2 针对左矩阵分式描述的实现方法 |
| 3.4 本章小结 |
| 第四章 变换矩阵构造与低阶实现 |
| 4.1 变换矩阵的构造方法 |
| 4.2 低阶实现步骤 |
| 4.3 数例计算与分析 |
| 4.4 本章小结 |
| 第五章 陀螺飞轮系统模型实现 |
| 5.1 陀螺飞轮系统介绍 |
| 5.2 陀螺飞轮系统的奇异实现 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 符号说明 |
| 在学期间的研究成果 |
| 致谢 |
（6）一类多模式移动机构的设计方法与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 多模式移动机器人的研究现状 |
| 1.2.1 具有多种移动装置的多模式移动机器人 |
| 1.2.2 利用自身机构变形的多模式移动机器人 |
| 1.3 机构型综合方法研究现状 |
| 1.4 研究内容及论文框架 |
| 第二章 基于单环运动链的多模式移动机构型综合理论 |
| 2.1 螺旋理论 |
| 2.1.1 螺旋的定义 |
| 2.1.2 运动链中的运动旋量系与约束旋量系 |
| 2.2 多模式移动机构型综合理论 |
| 2.2.1 单环运动链的组合 |
| 2.2.2 不同约束螺旋系下的单环运动链的运动副轴线几何关系 |
| 2.2.3 不同自由度下的运动副组合方式 |
| 2.2.4 以单环运动链为移动本体构造的多模式移动机构 |
| 2.2.5 单环运动链的空间几何关系 |
| 2.3 本章小结 |
| 第三章 以单环运动链为移动分支构造多模式移动机构 |
| 3.1 一类多模式移动机构移动分支的构造 |
| 3.2 一类多模式移动机构移动分支的空间几何关系 |
| 3.2.1 平面4R单环运动链的约束类型 |
| 3.2.2 平面4R单环运动链的空间几何关系 |
| 3.3 一类多模式移动机构型综合 |
| 3.4 本章小结 |
| 第四章 以单环运动链为分支构造的平面多模式移动机构 |
| 4.1 结构描述 |
| 4.2 机构的拓扑分析 |
| 4.2.1 机构步行模式下的拓扑分析 |
| 4.2.2 机构四杆滚动模式下的拓扑分析 |
| 4.2.3 机构六杆滚动模式下的拓扑分析 |
| 4.3 机构的奇异性分析 |
| 4.3.1 自变形模式下的奇异性分析 |
| 4.3.2 六杆滚动模式下的奇异性分析 |
| 4.4 各运动模式可行性分析 |
| 4.4.1 步行模式下运动可行性分析 |
| 4.4.2 自变形模式下运动可行性分析 |
| 4.4.3 四杆滚动模式下运动可行性分析 |
| 4.4.4 六杆滚动模式下运动可行性分析 |
| 4.5 电机分时控制与步态分析 |
| 4.5.1 电机分时控制原理 |
| 4.5.2 各运动模式下的电机分时控制策略与步态分析 |
| 4.6 仿真试验与样机验证 |
| 4.6.1 仿真试验 |
| 4.6.2 样机试验 |
| 4.7 本章小结 |
| 第五章 以单环运动链为分支构造的空间多模式移动机构 |
| 5.1 结构描述 |
| 5.2 机构拓扑分析 |
| 5.2.1 机构双向六边形滚动模式下的拓扑分析 |
| 5.2.2 机构双向四边形滚动模式下的拓扑分析 |
| 5.2.3 机构双向步行模式下的拓扑分析 |
| 5.3 各模式下电机分时控制与步态分析 |
| 5.3.1 机构的电机分时控制 |
| 5.3.2 双向六边形滚动模式下的电机分时控制策略与步态分析 |
| 5.3.3 双向四边形滚动模式下的电机分时控制策略与步态分析 |
| 5.3.4 折叠变形模式下的电机分时控制策略与步态分析 |
| 5.3.5 双向步行模式下的电机分时控制策略与步态分析 |
| 5.4 仿真试验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（7）机器解答电路题目方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究综述 |
| 1.2.1 机器解答研究现状 |
| 1.2.2 题目文本理解的三类方法 |
| 1.2.3 题目图形理解的两类方法 |
| 1.2.4 自动推理方法 |
| 1.3 研究目标和内容 |
| 1.4 论文的组织结构 |
| 第2章 机器解答理论与框架 |
| 2.1 机器解答的通用流程 |
| 2.2 电路题目的机器解答理论 |
| 2.2.1 等价表示理论 |
| 2.2.2 等价转换理论 |
| 2.2.3 类人解答理论 |
| 2.3 电路题目的信息构成 |
| 2.3.1 电路题目的组成 |
| 2.3.2 电路关系 |
| 2.4 电路题目的机器解答框架 |
| 2.4.1 题目理解框架 |
| 2.4.2 自动求解框架 |
| 2.5 本章小结 |
| 第3章 基于关系抽取的题目文本理解方法 |
| 3.1 电路题目文本理解方法概述 |
| 3.1.1 问题定义 |
| 3.1.2 题目文本理解方法 |
| 3.1.3 文本元数据处理 |
| 3.2 基于语义理解的题目文本理解方法 |
| 3.2.1 语义句模的构建 |
| 3.2.2 基于语义句模的语义理解方法 |
| 3.3 基于句法语义模型的直陈关系抽取算法 |
| 3.3.1 句法语义模型的构建 |
| 3.3.2 直陈关系抽取的算法流程 |
| 3.3.3 使用句法语义模型抽取直陈关系 |
| 3.4 基于单位定理模型的隐含关系抽取算法 |
| 3.4.1 单位定理模型的构建 |
| 3.4.2 隐含关系抽取的算法流程 |
| 3.4.3 使用单位定理模型抽取隐含关系 |
| 3.5 电路题目文本理解的实验 |
| 3.5.1 数据描述 |
| 3.5.2 评估标准及对比方法 |
| 3.5.3 实验结果和分析 |
| 3.6 本章小结 |
| 第4章 基于关系抽取的电路图形理解方法 |
| 4.1 电路图形理解方法概述 |
| 4.1.1 问题定义 |
| 4.1.2 电路图形理解方法 |
| 4.1.3 电路图形识别 |
| 4.2 基于拓扑收缩的电路关系抽取算法 |
| 4.2.1 任务定义 |
| 4.2.2 电路图形的拓扑结构分析 |
| 4.2.3 使用拓扑收缩算法抽取电路关系 |
| 4.2.4 实例分析 |
| 4.3 基于网孔搜索的电路关系抽取算法 |
| 4.3.1 任务定义 |
| 4.3.2 电路图形的网孔结构分析 |
| 4.3.3 使用网孔搜索算法抽取电路关系 |
| 4.3.4 实例分析 |
| 4.4 电路图形理解的实验 |
| 4.4.1 数据描述 |
| 4.4.2 评估标准 |
| 4.4.3 拓扑收缩算法的实验结果和分析 |
| 4.4.4 网孔搜索算法的实验结果和分析 |
| 4.4.5 联合算法的实验结果和分析 |
| 4.5 本章小结 |
| 第5章 电路题目的自动求解方法 |
| 5.1 电路题目的求解过程模型 |
| 5.1.1 机器解答过程分析 |
| 5.1.2 求解过程模型 |
| 5.2 基于关系推理的自动求解算法 |
| 5.2.1 电路关系实例化 |
| 5.2.2 图文关系融合 |
| 5.2.3 电路关系推理 |
| 5.2.4 使用关系推理算法求解电路题目 |
| 5.2.5 可读解答过程的呈现 |
| 5.3 电路题目的自动求解实验 |
| 5.3.1 数据描述 |
| 5.3.2 评估标准 |
| 5.3.3 不同解答条件下的实验结果和分析 |
| 5.3.4 不同难度等级下的实验结果和分析 |
| 5.4 本章小结 |
| 第6章 基于机器解答的电路辅导系统 |
| 6.1 系统的总体结构 |
| 6.2 题目理解模块 |
| 6.2.1 题目文本理解模块 |
| 6.2.2 电路图形理解模块 |
| 6.3 自动求解模块 |
| 6.4 智能辅导模块 |
| 6.4.1 智能导学 |
| 6.4.2 学习评测 |
| 6.4.3 学习分析 |
| 6.5 本章小结 |
| 第7章 总结和展望 |
| 7.1 研究总结 |
| 7.2 研究的不足和展望 |
| 参考文献 |
| 在校期间发表的学术论文与研究成果 |
| 获奖情况 |
| 发表的学术论文 |
| 参与和主持的科研项目 |
| 致谢 |
（8）有关初等矩阵的定理教学设计——基于“知识可视化”理念（论文提纲范文）
| 1 有关初等矩阵的定理内容分析 |
| 2 基于“知识可视化”理念的有关初等矩阵的定理教学过程设计及思考 |
| 2.1 创设情境, 引出内容 |
| 2.2 追溯概念根源 |
| 2.3 探究规律类比推广形成定理1 |
| 2.4 类比图形变换并应用定理1形成定理2 |
| 2.5 进一步的思考 |
| 3 有关初等矩阵的定理知识可视化框图 |
| 4 结语 |
（9）反初等矩阵的一些性质及应用（论文提纲范文）
| 0 引言 |
| 1 初等矩阵定义及性质 |
| 2 反初等矩阵定义及性质 |
| 3 计算应用 |
| 4 结论 |
（10）矩阵的分块初等变换及分块初等阵的应用探讨（论文提纲范文）
| 一、简述分块初等阵及初等变换的相关情况 |
| 1.分块矩阵的含义 |
| (一) 分块矩阵及广义初等变换的关系 |
| (二) 分块矩阵初等行 (列) 变换含义 |
| (三) 探究分块矩阵初等变换与分块初等矩阵之间的关系 |
| (四) 分块矩阵逆矩阵的方法、步骤及例子 |
| 二、分块矩阵初等变换应用实例 |
| 三、结束语 |
四、初等矩阵的变化形式初探（论文参考文献）
- [1]GRACE/GRACE-FO空窗期的陆地水储量变化数据间断补偿：以全球典型流域为例[J]. 徐鹏飞,蒋涛,章传银,芮明胜,刘宇. 地球物理学报, 2021(09)
- [2]融入思想政治元素提高工科院校课程授课效果——以“线性代数与空间解析几何”为例[J]. 张新明. 教育教学论坛, 2021(30)
- [3]基于机器学习的径流预测方法及适应性预测机制研究[D]. 左岗岗. 西安理工大学, 2021
- [4]初等稳定矩阵约化A0为上Hessenberg型的方法研究[J]. 苏尔. 计算机科学, 2021(S1)
- [5]基于矩阵变换的多维奇异系统Roesser模型低阶实现[D]. 霍凯鸽. 兰州大学, 2021(11)
- [6]一类多模式移动机构的设计方法与实现[D]. 刘香玉. 上海工程技术大学, 2020(04)
- [7]机器解答电路题目方法研究[D]. 菅朋朋. 华中师范大学, 2019(01)
- [8]有关初等矩阵的定理教学设计——基于“知识可视化”理念[J]. 王磊,牛欣,张霞. 合肥学院学报(综合版), 2018(02)
- [9]反初等矩阵的一些性质及应用[J]. 郭传好,刘贝贝. 浙江理工大学学报(自然科学版), 2018(03)
- [10]矩阵的分块初等变换及分块初等阵的应用探讨[J]. 彭雪辉. 祖国, 2014(14)